Paradigma simbólico é uma forma de representação de uso freqüente para vários domínios na gestão do conhecimento. Caracteriza-se pela bem definida correspondência entre as entidades do domínio a ser modelado e os símbolos da ontologia utilizados na linguagem de representação do conhecimento (SWAAB, 2002).
Os sistemas de aprendizado simbólico aplicados na representação do conhecimento buscam aprender construindo representações simbólicas. Essas representações são tipicamente caracterizadas por terminologias como: lógica, árvores de decisão, regras de produção ou redes semânticas.
A abordagem simbólica utiliza-se de duas possibilidades básicas, representações em regras puras e representações baseadas em objetos. A representação baseada em regras puras utiliza-se técnicas de inferência que ordenam á lógica dos procedimentos (inferência por resolução). A representação baseada em objetos sustenta-se a inferência por herança, que são os sistemas de ontologias e seus análogos, os sistemas de descrição de lógica.
2.8.1 A lógica, redes semânticas, regras de produção
A lógica é um dos formalismos de representação de raciocínio dos mais simples; divide-se em forma de raciocínio lógico preposicional, no qual os valores referenciais são verdadeiro e falso, e lógica de predicados, quando se incluem nestes referenciais de valores fundamentais objetos e seus predicados.
Redes semânticas são, basicamente, representações visuais do conhecimento, composta por rótulos de grafos direcionados, identificado e cíclico, cujos nós representam conceitos organizados de forma relacional em classes e subclasses, e os links representam as
relações entre os conceitos (ANDERSEN, 1990, AMORETTI; TAROUCO, 2000). Rede semântica é a forma de representação mais adequada para domínios onde problemas podem ser descritos como taxonomias. Representações semânticas são feitas por categorias de conceitos. Na memória semântica estão presentes subcategorias que possuem predicados definidos que são o centro do conceito e determinam critérios de inclusão, diferenciando as subcategorias ou aproximando-as entre si. Na utilização das redes semânticas os participantes têm grande envolvimento pessoal na aprendizagem, na construção do conhecimento e podem ter suas próprias conclusões sobre determinado conhecimento.
Regras de produção, é uma forma de representação que se utiliza de regras de codificação para representar domínios, cria uma facilidade de implantação, agrega grande quantidade de dados, e tem como uma das principais aplicações no domínio relacionado ao desenvolvimento de sistemas especialistas (AMORETTI; TAROUCO, 2000).
2.9 TÉCNICAS FUZZY DE REPRESENTAÇÃO DO CONHECIMENTO
A técnica de representação de conhecimento fuzzy (nebuloso/confuso), baseia-se nas reações da mente humana em relação aos estímulos do cotidiano. Essa técnica representa esses conceitos por meio de escala numérica de 0 a 1, sendo que cada extremo referencia uma situação e desta forma pode quantificar reações como conforto, frio, etc.
A lógica fuzzy consiste na seleção de valores de entrada (fuzzy sets); valores específicos que expressam graus de julgamento como: rápido, lento, gordo e magro. Os elementos do set representam os diferentes graus de filiação capazes de fornecer uma medida de concordância de uma dada variável. A fuzzyficação consiste na valoração das variáveis de acordo com a regulação da lógica fuzzy (VIOT, 1993).
A lógica fuzzy é amplamente utilizada para sistemas sem um modelo matemático preciso, com alto nível de incerteza, tem boa indicação para auxiliar no funcionamento de equipamentos eletrodomésticos que necessitam dosar diferentes substancias ou materiais, ou ainda utilizada para sistemas de suporte especializados.
2.9.1 Abordagem baseada em regra
As regras de produção constituem uma das ferramentas operacionais básicas usadas na inteligência artificial, ciência cognitiva, gerência do conhecimento e aplicações Web semânticas.
A descrição do esboço inicial da ordem lógica é fundamental, haja vista que a regra da teoria da produção pode ser recuperada ao contexto formal que rege o princípio da definição atrelado à programação lógica (BERTINO; ZARRI, 2001).
Na lógica matemática representada por Alfred Horn na estruturação de um sistema com abordagem de programação lógica, ordena-se de forma que: “A” expressão (a) representa a “clausula Horn”, uma fórmula bem consolidada (wff-well formed formula) de cálculo de primeira ordem caracterizada pelo fato de ter no máximo um literal (lógica matemática) positivo, “A”. Clausulas Horn representam a base da programação lógica e constituem o sistema formal das linguagens de programação como PROLOG e DATALOG (BERTINO; ZARRI, 2001).
Sistemas de produção podem, também, implementar um reduzido subsistema completo da lógica de primeira ordem. Pode-se descrever o funcionamento de um sistema especializado que utilize regras de produção da seguinte forma: o sistema inclui uma regra
básica, isto é, uma coleção não ordenada de regras de produção que possuam o formato de
“C”. Dá-se então ao “B” o significado de “condições” (fatos) que devem ser satisfeitos, e ao “A” o significado de “ação/ações” que devem ser executadas se as condições forem satisfeitas. O B representa o “lado esquerdo” (LHS) da regra “r”, “A” o “lado direito” (RHS).
“O sistema também inclui uma “memória de trabalho” (WM) onde os fatos submetidos estão estocados como entradas” para o sistema ou automaticamente emitindo respostas. O sistema executa repetidamente um ciclo de “ato de reconhecimento”, que pode ser caracterizado conforme segue no caso do “conditiondriver” ou “forward-chaining” ESs:
na “fase de seleção”, para cada regra de base “r”, o sistema determina: (1) se o LHS (r) está satisfeito pelo conteúdo do WM, isto é, se LHS (r) é compatível com os fatos estocados na memória de trabalho (“subfase de compatibilidade”) e se, (2) adiciona-se a regra “r” a uma regra de subsistema particular chamado “set de
conflito”(CS) (‘subfase adicional”). Para “resolução de conflito” a regra CS é selecionada, quando todos os LHS forem falsos, o sistema pausa.
na “fase de ação”, as ações inclusas no RHS(r) são executadas pelo interprete – chamada de “disparar a regra”, que frequentemente muda o conteúdo do WM e, possivelmente, o CS. Para evitar movimentos cíclicos, é inadequado que a mesma variável dispare a mesma regra, no entanto fatos diferentes podem faze-lo.
“Set de conflito” é responsável pela complexa seleção e disparo de determinadas regras competidoras da WM que, interligadas a outras funcionam em cadeia ou não. O sistema propicia ao usuário escolher uma estratégia particular, tal como buscar a última informação adicionada na WM, ou a de maior número de compatibilidade.
MYCIN é o principal exemplo de um sistema de produção, chamado de “backward-
chaining”, é um sistema especialista para auxilio no diagnóstico médico (BERTINO; ZARRI,
2001).
2.9.2 Abordagem baseada em herança
Abordagem em herança baseia-se no princípio estrutural estático e dinâmico. Estático, permite agrupar noções similares em classes, e a economizar nas descrições de alguns atributos de entidades de classes de baixo nível, entidades que podem ser herdadas da completa descrição de atributos classes de alto nível. Dinâmico é um princípio de inferência que permite a tomada de decisão sobre as propriedades de atributos de entidades de baixo nível que são previamente desconhecidas, atua por dedução a partir de entidades de alto nível e com problemas conhecidos (DAVENPORT; THOMAS; PRUSAK, 2001).